df
val ts user visit_id
id
1 1 1 x 0.0
21 21 1 z 0.0
71 71 1 y 0.0
2 2 2 x 0.0
22 22 2 z 0.0
72 72 2 y 0.0
3 3 3 x 0.0
23 23 3 z 0.0
73 73 3 y 0.0
4 4 4 x 0.0
24 24 4 z 0.0
74 74 4 y 0.0
60 60 60 x 1.0
90 90 60 z 1.0
80 80 60 y 1.0
91 91 61 z 1.0
81 81 61 y 1.0
61 61 61 x 1.0
82 82 62 y 1.0
92 92 62 z 1.0
62 62 62 x 1.0
83 83 63 y 1.0
93 93 63 z 1.0
63 63 63 x 1.0
64 64 64 z 1.0
64 64 64 x 1.0
94 94 64 y 1.0
160 160 150 y 2.0
180 180 150 z 2.0
150 150 150 x 2.0
185 185 155 z 2.0
155 155 155 x 2.0
165 165 155 y 2.0
156 156 156 y 2.0
166 166 163 x 2.0
186 186 183 z 2.0
和
df2
visit_id 0.0 1.0 2.0
user
x 0.0 28.0 56.0
y 0.0 28.0 56.0
z 0.0 28.0 56.0
如何将df2合并为df，使得df的所有行（其中user和visit_id等于user）和访问来自df2的id从df2获取相应的单元格。
例如
df.loc[(df.user == 'x') & (df.visit_id == 0), 'val']的所有行都应该得到df2
答案 0 :(得分：0)
我认为内部联接需要首先stack或melt重新df2，然后再merge：
df = df.merge(df2.stack().reset_index(name='val1'), on=['user','visit_id'], how='left')
替代：
df = df.merge(df2.reset_index().melt('user', value_name='val1'), on=['user','visit_id'])
或左联接使用MultiIndex：
print (df.tail())
val ts user visit_id
id
155 155 155 x 2.0
165 165 155 y 2.0
156 156 156 y1 2.0 <-change values of user for not match
166 166 163 x1 2.0 <-change values of user for not match
186 186 183 z1 2.0 <-change values of user for not match
#join together
df = df.join(df2.stack().rename('val'), on=['user','visit_id'], lsuffix='_')
#replace val column if match, else get values of original
df['val'] = df['val'].combine_first(df['val_'])
#remove original column val
df = df.drop('val_', axis=1)
print (df)
ts user visit_id val
id
1 1 x 0.0 0.0
21 1 z 0.0 0.0
71 1 y 0.0 0.0
2 2 x 0.0 0.0
22 2 z 0.0 0.0
.
.
.
160 150 y 2.0 56.0
180 150 z 2.0 56.0
150 150 x 2.0 56.0
185 155 z 2.0 56.0
155 155 x 2.0 56.0
165 155 y 2.0 56.0
156 156 y1 2.0 156.0
166 163 x1 2.0 166.0
186 183 z1 2.0 186.0